更改

}}

}}

[[File:GrangerCausalityIllustration.png|360px|thumbnail|当时间序列X可以作为格兰杰原因引起时间序列Y时，X中的模式在经过一段时间迟滞后与Y大致重复（两个示例用箭头表示）。因此，X的过去值可用于预测Y的未来值。]]

[[File:GrangerCausalityIllustration.png|360px|thumbnail|当时间序列X可以作为格兰杰原因引起时间序列Y时，X中的模式在经过一段时间迟滞后与Y大致重复（两个示例用箭头表示）。因此，X的过去值可用于预测Y的未来值。]]

格兰杰因果关系检测是一种[https://en.wikipedia.org/wiki/Statistical_hypothesis_testing 统计假设检验方法]，用于确定一个时间序列是否可以用来预测另一个时间序列，于1969年首次提出。<ref>{{cite journal |jstor=1912791 |pages=424–438 |last1=Granger |first1=C. W. J. |title=Investigating Causal Relations by Econometric Models and Cross-spectral Methods |volume=37 |issue=3 |journal=Econometrica |year=1969 |doi=10.2307/1912791}}</ref> 一般来说，回归反映的是“纯粹的”相关性，但'''克莱夫 · 格兰杰 Clive Granger'''认为，可以通过衡量使用一个时间序列的先验值来预测另一个时间序列未来值的能力来检验经济学中的因果关系。由于“真正因果关系”的问题是一个深刻的哲学问题，并且存在着后此谬误（后发者因此而发）的问题，即：因为A先于B，所以A引起B这种假设本身存在着谬误，因此计量经济学者断言格兰杰因果检验只能发现“预测因果关系”。<ref>{{cite book |last=Diebold |first=Francis X. |title=Elements of Forecasting |location=Cincinnati |publisher=South Western |year=2001 |edition=2nd |page=254 |isbn=978-0-324-02393-0 }}</ref>

格兰杰因果关系 （Granger causality）格兰杰因果关系检测是一种[https://en.wikipedia.org/wiki/Statistical_hypothesis_testing 统计假设检验方法]，用于确定一个时间序列是否可以用来预测另一个时间序列，于1969年首次提出。<ref>{{cite journal |jstor=1912791 |pages=424–438 |last1=Granger |first1=C. W. J. |title=Investigating Causal Relations by Econometric Models and Cross-spectral Methods |volume=37 |issue=3 |journal=Econometrica |year=1969 |doi=10.2307/1912791}}</ref> 一般来说，回归反映的是“纯粹的”相关性，但'''克莱夫 · 格兰杰 Clive Granger'''认为，可以通过衡量使用一个时间序列的先验值来预测另一个时间序列未来值的能力来检验经济学中的因果关系。由于“真正因果关系”的问题是一个深刻的哲学问题，并且存在着后此谬误（后发者因此而发）的问题，即：因为A先于B，所以A引起B这种假设本身存在着谬误，因此计量经济学者断言格兰杰因果检验只能发现“预测因果关系”。<ref>{{cite book |last=Diebold |first=Francis X. |title=Elements of Forecasting |location=Cincinnati |publisher=South Western |year=2001 |edition=2nd |page=254 |isbn=978-0-324-02393-0 }}</ref>

格兰杰本人还强调，在经济学以外的领域，有一些研究使用“格兰杰因果关系”检验得出了“荒谬”的结论。 他在诺贝尔奖演讲中说道：“当然，出现了许多荒谬的论文。”。 <ref>{{cite journal|last1=Granger|first1=Clive W. J|title=Time Series Analysis, Cointegration, and Applications|journal=American Economic Review|date=2004|volume=94|issue=3|pages=421–425|doi=10.1257/0002828041464669|url=https://www.nobelprize.org/uploads/2018/06/granger-lecture.pdf|accessdate=12 June 2019|citeseerx=10.1.1.370.6488}}</ref> 然而，由于计算简单，格兰杰因果关系检验仍然是时间序列因果关系分析的一种常用方法。格兰杰因果关系的原始定义没有考虑到潜在的混杂效应，也没有捕捉到瞬时的和非线性的因果关系，不过现在已经提出了几种扩展方法来解决这些问题。<ref name=Eichler>{{cite book|last1=Eichler|first1=Michael|editor1-last=Berzuini|editor1-first=Carlo|title=Causality : statistical perspectives and applications|date=2012|publisher=Wiley|location=Hoboken, N.J.|isbn=978-0470665565|pages=327–352|edition=3rd|chapter-url=http://researchers-sbe.unimaas.nl/michaeleichler/wp-content/uploads/sites/31/2014/02/causalstatistics.pdf|chapter=Causal Inference in Time Series Analysis}}</ref>

格兰杰本人还强调，在经济学以外的领域，有一些研究使用“格兰杰因果关系”检验得出了“荒谬”的结论。 他在诺贝尔奖演讲中说道：“当然，出现了许多荒谬的论文。”。 <ref>{{cite journal|last1=Granger|first1=Clive W. J|title=Time Series Analysis, Cointegration, and Applications|journal=American Economic Review|date=2004|volume=94|issue=3|pages=421–425|doi=10.1257/0002828041464669|url=https://www.nobelprize.org/uploads/2018/06/granger-lecture.pdf|accessdate=12 June 2019|citeseerx=10.1.1.370.6488}}</ref> 然而，由于计算简单，格兰杰因果关系检验仍然是时间序列因果关系分析的一种常用方法。格兰杰因果关系的原始定义没有考虑到潜在的混杂效应，也没有捕捉到瞬时的和非线性的因果关系，不过现在已经提出了几种扩展方法来解决这些问题。<ref name="Eichler">{{cite book|last1=Eichler|first1=Michael|editor1-last=Berzuini|editor1-first=Carlo|title=Causality : statistical perspectives and applications|date=2012|publisher=Wiley|location=Hoboken, N.J.|isbn=978-0470665565|pages=327–352|edition=3rd|chapter-url=http://researchers-sbe.unimaas.nl/michaeleichler/wp-content/uploads/sites/31/2014/02/causalstatistics.pdf|chapter=Causal Inference in Time Series Analysis}}</ref>